一种基于血管增强和主动学习的跨域脑血管分割方法

本发明提供一种基于血管增强和主动学习的跨域脑血管分割方法，该方法形成初始分割—血管增强—血管段构图—联合评分—记忆过滤—人工确认—三状态监督—模型适配—重新推理的迭代闭环，具体利用不依赖分割模型预测概率的血管增强方法从目标域图像自身发现潜在管状结构，将中心线端点或分叉点之间的连续血管段定义为主动学习查询单位，结合候选血管段的深度特征价值、拓扑稳定性和历史记忆进行筛选，由人工仅确认少量高价值血管段，再通过三状态标签、原型对比学习、输出决策边界约束和管状拓扑约束对模型进行迭代适配，从而降低完整三维脑血管标注成本并提高目标域分割精度。